31 target pendugaan, di mana grid-grid dalam domain tersebut berkorelasi tinggi
dengan curah hujan di lokasi target. Wigena et al 2005 menentukan domain GCM dengan teknik variogram. Teknik ini digunakan untuk menentukan luasan
domain sedangkan lokasinya ditentukan berdasarkan nilai korelasi tinggi suatu grid dengan curah hujan di lokasi target. Namun teknik ini memerlukan area dasar
atau awal untuk penentuan variogram, misalnya wilayah Indonesia 6
o
LU-11
o
LS dan 95
o
BT-141
o
BT. Hasil pendugaan dengan PCR menunjukkan bahwa domain denga n variogram memberikan hasil r=0.78; RMSEP=98 lebih baik daripada
domain 8×8 grid tepat di atas lokasi target r=0.60; RMSEP=119. Dalam Bab ini dibahas tentang kajian berbagai domain GCM. Kajian ini bertujuan untuk
memperoleh domain yang dapat digunakan untuk penyusunan model SD.
3.2. Bahan dan Metode
3.2.1. Bahan
Data GCM yang digunakan adalah presipitasi tahun 1966 sampai dengan 2001, yang diperoleh dari ECHAM, dengan wilayah 50
o
LU-40
o
LS dan 50
o
- 185
o
BT, yang mencakup wilayah Indonesia 6
o
LU-11
o
LS dan 95
o
-141
o
BT. Penelitian ini juga menggunakan data curah hujan di stasiun Sukadana kabupaten
Indramayu, dengan panjang data historis 35 tahun tahun 1966 sampai dengan 2001.
3.2.2. Metode
Penentuan domain dilakukan berdasarkan 1 domain berbentuk segi bujur sangkar Berga nt et al. 2002, dan 2 nilai korelasi tinggi =0.6 antara sejumlah
grid dalam domain dengan curah hujan di stasiun Sukadana. Domain-domain berbentuk segi bujur sangkar yang digunakan berlokasi tepat di atas wilayah
kabupaten Indramayu dengan berbagai uk uran Gambar 3.1, yaitu: 1 8×8 grid Segi8, 2 10×10 grid Segi10, 3 12×12 grid Segi12, 4 14×14 grid Segi14,
dan 5 16×16 grid Segi16. Sedangkan domain-domain yang berdasarkan korelasi antara grid- gird dalam wilayah 50
o
LU-40
o
LS dan 50
o
-185
o
BT dengan lokasi target pendugaan, yaitu atb1t88 besar, atb2t88 sedang, dan atb3t88
kecil, seperti tercantum pada Gambar 3.2. Ketiga domain ini masing- masing
32 merupakan gabungan grid-grid dengan nilai korelasi tinggi yang negatif, positif,
dan grid-grid di atas sekitar lokasi target. Domain lainnya Segi8kor berbentuk bujur sangkar 8×8 grid dan berkorelsi tinggi 6.9
o
–25.5
o
LS dan 126.5
o
-146.2
o
BT pada Gambar 3.1. Domain-domain dibandingkan berdasarkan nilai RMSEP Root Mean Square Error of Prediction dan korelasi r melalui model SD
dengan PPR. Nilai RMSEP menunjukkan besarnya perbedaan antara nilai dugaan dengan aktualnya. Semakin besar RMSEP semakin besar perbedaan dugaan
dengan aktualnya, yang berarti dugaan tersebut kurang akurat. Sedangkan nilai korelasi r menunjukkan keeratan hubungan antara nilai dugaan dengan
aktualnya. Semakin besar dan positif nilai korelasi r, semakin kuat hubungan antara dugaan dengan aktualnya, yang berarti pola nilai dugaan semakin
mendekati pola data aktualnya.
Gambar 3.1. Domain-Domain Berbentuk Segi Bujur Sangkar
Segi16 Segi8kor
Segi14 Segi12
Segi10 Segi8
Indramayu
33 Gambar 3.2. Domain-Domain Berdasarkan Korelasi
3.3. Hasil dan Pembahasan
